计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive
文档首页/ 数据湖探索 DLI/ 服务公告/ 版本支持公告/ Spark 2.4.x与Spark 3.3.x版本差异对比/ Spark 2.4.x与Spark 3.3.x版本在通用队列的差异对比

Spark 2.4.x与Spark 3.3.x版本在通用队列的差异对比

更新时间:2025-01-09 GMT+08:00

DLI整理了Spark2.4.x与Spark3.3.x版本在通用队列的差异,便于您了解Spark版本升级后通用队列上运行的作业在适配新版本引擎时的影响。

log4j依赖从1.x版本修改为2.x版本

  • 说明:

    log4j依赖从1.x版本修改为2.x版本

    • Spark2.4.x:log4j依赖1.x版本(社区不再支持)。
    • Spark3.3.x:log4j依赖2.x版本。
  • 升级引擎版本后是否对作业有影响:

    有影响

Spark3.3.x不支持v1表

  • 说明:

    Spark2.4.x支持datasourcev1、datasourcev2表。Spark3.3.x不支持v1表。

    具体说明请参考DLI datasourceV1表和datasourceV2表

    • Spark2.4.x:支持datasourcev1、datasourcev2表。
    • Spark3.3.x:不支持支持datasourcev1表。
  • 升级引擎版本后是否对作业有影响:

    有影响,建议在Spark 2.4.5版本整改到v2表后再升级Spark 3.3.1,具体操作指导可以参考DLI datasourceV1表和datasourceV2表的中的示例。

默认情况下空的input split不创建partition

  • 说明:
    • Spark2.4.x:默认情况下空的input split将创建partition。
    • Spark3.3.x:默认情况下空的input split不创建partition。

      Spark3.3.x时spark.hadoopRDD.ignoreEmptySplits=true。

  • 升级引擎版本后是否对作业有影响:

    有影响,需要判断是否使用分区名做业务判断。

eventlog的压缩格式设置为zstd

  • 说明:

    Spark3.3.x版本中,spark.eventLog.compression.codec的默认值被设置为zstd,Spark在压缩事件日志时将不再支持使用spark.io.compression.codec的参数值。

    • Spark2.4.x:使用spark.io.compression.codec的参数值作为eventlog的压缩格式。
    • Spark3.3.x:spark.eventLog.compression.codec默认设置为zstd。
  • 升级引擎版本后是否对作业有影响:

    有影响,eventlog的压缩格式发生变化。

spark.launcher.childConectionTimeout修改

  • 说明:
    • Spark2.4.x:配置名为spark.launcher.childConectionTimeout
    • Spark3.3.x:配置名修改为spark.launcher.childConnectionTimeout
  • 升级引擎版本后是否对作业有影响:

    有影响,配置参数名称变化。

Spark3.3.x不再支持将Apache Mesos作为资源管理器

  • 说明:
    • Spark2.4.x:Spark 2.4.x版本中使用Apache Mesos作为资源管理器。
    • Spark3.3.x:Spark3.3.x不再支持将Apache Mesos作为资源管理器。
  • 升级引擎版本后是否对作业有影响:

    功能增强,Spark 2.4.x版本中使用Mesos作为资源管理器,升级到Spark 3.3.x后,你需要考虑切换到其他资源管理器。

Spark3.3.x会在应用程序自行终止时删除K8s driver

  • 说明:Spark3.3.x会在应用程序自行终止时删除K8s driver。
  • 升级引擎版本后是否对作业有影响:

    功能增强,升级到Spark 3.3.x后,对于之前依赖于Kubernetes作为资源管理器的作业会有影响。Spark 3.3.x在应用程序终止时会自动删除driver pod可能会影响到作业的资源管理和清理流程。

Spark3.3.x支持自定义k8s的调度器

  • 说明:
    • Spark2.4.x:不支持使用指定Kubernetes调度器来管理Spark作业的资源分配和调度。
    • Spark3.3.x:Spark3.3.x支持自定义k8s的调度器。
  • 升级引擎版本后是否对作业有影响:

    功能增强,支持自定义调度器管理资源的分配和调度。

Spark将不可为null的模式转换为可空

  • 说明:

    在Spark 2.4.x版本中,当用户指定的schema包含不可为空的字段时,Spark会将这些不可为null的模式转换为可空的。

    但是在Spark 3.3.x版本中,Spark尊重用户指定的schema中的nullability,即如果字段被定义为不可为空,Spark会保持该配置要求,不会自动转换为可空的字段。

    • Spark2.4.x:在Spark 2.4.x版本中,当用户指定的schema包含不可为空的字段时,Spark会将这些不可为null的模式转换为可空的。
    • Spark3.3.x:Spark不会自动转换为可空的字段。

      如果希望在Spark 3.3.x版本中恢复到Spark 2.4.x版本的执行方式,您可以通过将 spark.sql.legacy.respectNullabilityInTextDatasetConversion设置为true来实现。

  • 升级引擎版本后是否对作业有影响:

    有影响。

  • 示例代码

    执行sql:

    spark.read.schema(StructType(
    StructField("f1", LongType, nullable = false) ::
    StructField("f2", LongType, nullable = false) :: Nil)
    ).option("mode", "DROPMALFORMED").json(Seq("""{"f1": 1}""").toDS).show(false);
    • Spark 2.4.5
      |f1 |f2 |
      +---+---+
      |1  |0  |
    • Spark 3.3.1
      |f1 |f2  |
      +---+----+
      |1  |null|

Spark scala版本变更

  • 说明:

    Spark scala版本变更。

    • Spark2.4.x:Spark scala版本为2.11。
    • Spark3.3.x:Spark scala版本升级到2.12。
  • 升级引擎版本后是否对作业有影响:

    有影响,jar需要升级scala版本编译。

PySpark支持python版本变更

  • 说明:

    PySpark支持python版本变更。

    • Spark2.4.x:PySpark支持python版本范围2.6+版本到3.7+版本。
    • Spark3.3.x:PySpark支持Python版本范围3.6及以上版本。
  • 升级引擎版本后是否对作业有影响:

    依赖版本变化,有影响,需要排查是否涉及。

PySpark-pandas支持版本变更

  • 说明:
    • Spark2.4.x:在Spark 2.4.x版本中,PySpark并没有要求指定Pandas的版本。
    • Spark3.3.x:从Spark 3.3.x版本开始,PySpark需要0.23.2或更高版本的pandas才能使用pandas相关功能,如toPandas、 createDataFrame from pandas DataFrame等。
  • 升级引擎版本后是否对作业有影响:

    依赖版本变化,有影响,需要排查是否涉及。

PySpark-PyArrow支持版本变更

  • 说明:
    • Spark2.4.x:在Spark 2.4.x版本中,PySpark并没有要求指定PyArrow的版本。
    • Spark3.3.x:从Spark 3.3.x版本开始,PySpark需要0.12.1或更高版本的PyArrow才能使用PyArrow相关功能,如Pandas_udf、toPandas等。
  • 升级引擎版本后是否对作业有影响:

    依赖版本变化,有影响,需要排查是否涉及。

以command命名DataFrameWriter触发的查询

在Spark 3.2.x版本中,当DataFrameWriter触发的查询执行被发送给QueryExecutionListener时,这些查询的名称总是被设置为command。而在Spark 3.1及更早版本中,这些查询的名称可能是save、insertInto或saveAsTable之一,这取决于具体的操作。

  • 说明:

    DataFrameWriter触发的查询执行在发送到QueryExecutionListener时,始终以command命名

    • Spark2.4.x:名称为save、insertInto、saveAsTable中的一个
    • Spark3.3.x:command命名
  • 升级引擎版本后是否对作业有影响:

    有影响

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容